Skip to content

新闻Robotics & Automation News7 天前

Physicl获千万美元融资推Studio平台生成合成数据解具身长尾难题 ​

本文由 AI 根据公开内容整理,可能有误,请以原文为准:Physicl raises $10 million to improve physical AI training with synthetic data(Robotics & Automation News)

核心内容 ​

巴黎具身智能初创公司Physicl宣布完成1000万美元种子轮融资,由Inovia Capital领投,US Venture Partners跟投,资金将用于团队扩充及合成数据生成平台研发。公司同步推出应用Studio,旨在帮助机器人和Physical AI研究者识别并修复模型在不可预测真实环境中的弱点,解决边缘案例难以通过传统采集覆盖的行业痛点。

Studio平台提供1万个Ground-truth 3D环境、超10万个数字资产及数十亿种场景变体,支持自定义光照、视角与物体布局以生成针对性训练数据。合作方SpAItial利用该数据优化世界模型,使3D房间重建误差率降低50%以上。目前Physicl已与Meta、World Labs、Epic Games等AI实验室建立合作,加速具身系统可靠性验证闭环。

关键看点 ​

  • 融资规模:完成1000万美元种子轮融资,Inovia Capital领投,资金专项用于合成数据平台迭代与团队扩张
  • 数据资产:Studio内置1万个真值3D环境与超10万数字资产,支持数十亿种场景变体生成以覆盖长尾Corner Case
  • 实测效果:SpAItial采用Physicl合成数据训练世界模型,3D房间重建误差率降低超50%,验证数据有效性
  • 生态合作:已与Meta、World Labs、Epic Games及SpAItial等头部AI实验室达成合作,支撑机器人与世界模型开发

工程与产业观察 ​

Physicl的融资与产品落地标志着具身智能训练正从“泛化数据采集”转向“靶向合成数据补强”。针对Sim-to-Real鸿沟中的长尾失效问题,基于Ground-truth 3D资产的定向生成方案提供了可量化的工程解法。SpAItial重建误差减半的实证数据,为行业评估合成数据对物理AI模型鲁棒性的实际增益确立了新基准,提示算法团队应重视高保真仿真数据管线建设。

基于本页技术方向关联的整机参数、核心零部件、实测报告与同赛道选型横评。

外部来源

本页事实对应的公开页面,以原文为准。(点击将离开本站)

  1. Robotics & Automation News:Physicl raises $10 million to improve physical AI training with synthetic data ↗访问 2026-11-16